Feature Engineering

• 特征工程，【kaggle feature-engineering】，【Github: feature-engineering-handbook】
  特征工程是理论与实践的综合产物，我们会用到很多方法和程序，重点是怎么简单的帮我们实现我们的需求，blogs: sklearn 做特征工程； group by 写的很好
  https://zh.sa1lib.org/ 可以找书
  • Advanced Machine Learning with Python；Code
  • Feature Engineering for Machine Learning: Principles and Techniques for Data Scientists；Code
  • Feature engineering made easy; Code
• 【知乎高赞回答：特征工程到底是什么？】

---

特征工程包含很多东西，我们以反欺诈 LR模型的应用为例，特征工程包括：变量分箱、变量编码、变量选择、特征交叉等
参考链接：LONG-TAIL-BEAR-TECH；这个网站存放了很多案例，有兴趣的同学可以仔细看看其中的项目。

变量分箱

对于离散变量和连续变量的分箱方式是不同的，
基础知识可以参考：特征工程之变量分箱； 对于分享函数的一些理解可以查看 blogs: 风控code解读

• 数值分箱与one-hot

变量编码

常见的编码包括：

• OneHot encoder
• Target encoding（对于类别特征编码，我们有时会使用Target Encoding，可以参考别再只会用Onehot了！Kaggle Master的上分神技；
• dict map

OneHot Encoding 与 Dummies Encoding 之间有什么联系？

Count encoding 编码挺有意思， Blog：特征工程 2. Categorical Encodings 讲了计数编码和 Target Encoding。

# !pip install category_encoders
# https://github.com/scikit-learn-contrib/category_encoders
from category_encoders import OrdinalEncoder

具体可以参考【blogs: sklearn中多种编码方式——category_encoders】,里面的code值得学习！
对于有序变量、无序变量，编码的方式对结果会不会产生影响？

对离散数据进行编码的code可以参考:离散数据编码

变量选择

遵循 奥卡姆剃刀原则，选取较少的变量，如何选择，根据哪些标准？

基本的方法code可以参考：特征工程之变量选择；这篇文章写的很好 特征工程系列：特征筛选的原理与实现，博主有个专栏在写特征工程。

交叉特征

特征交叉有哪些方法？常见的包括笛卡尔积，决策树模型，FM因子机特征交叉。特征交叉是一门技术活，应用范围很广泛，有成型的方法和范式,在推荐中应用挺多 模型特征交叉方向的发展及CAN模型介绍 ， 另外推荐学习可以查看blogs: 推荐 学习

基本的方法code可以参考：特征工程之交叉特征

高阶特征

随机傅立叶特征，这个打比赛听说过，处理周期性特征似乎可以用，可以参考 Random Fourier Features

• https://zhuanlan.zhihu.com/p/355463563 (公式是乱码的)